Az IFLA Bibliográfiai Szakosztálya közzétette a 2025 tavaszán végzett, az akadálymentességi metaadatokra vonatkozó felmérés eredményeit. A jelentés link a nemzeti bibliográfiai ügynökségek (NBA-k) akadálymentességi gyakorlatát vizsgálja, és tárgyalja az akadálymentességi metaadatok bevezetése során felmerülő kihívásokat. A felmérésben 32, különböző régióból származó ügynökség vett részt. A válaszok megmutatták: bár sokan tisztában vannak az akadálymentesség fontosságával, a politikák és gyakorlatok formalizálása terén még mindig sok a tennivaló.

Főbb megállapítások:
- Hivatalos, az akadálymentességre vonatkozó metaadat-irányelv: az NBA-k mindössze 19%-a jelentette, hogy rendelkezik vele (sokan még dolgoznak az ilyen irányelv kidolgozásán).
- Akadálymentes formátumok a bibliográfiákban: 81% szerepelteti, de csupán 53% rögzíti ezeknek az a konkrét akadálymentességi jellemzőit.
- A válaszadók 37%-a megerősítette, hogy nemzeti bibliográfiai katalógusuk akadálymentes, míg 63% jelezte, hogy nem végeztek értékelést, vagy hogy továbbra is vannak akadálymentességi hiányosságok.

Főbb akadályok a korlátozott tudatosság, a képzés és az erőforrások hiánya: 78%, a rendszerbeli vagy munkafolyamatbeli korlátok: 47%. Automatizált és manuális munkafolyamatok kombinációját alkalmazza a metaadatok kezeléséhez a válaszadók 46%-a. Mesterséges intelligenciával kísérletezik: 23%. A szabványosított szókincsek, mint amilyen a Schema.org és az ONIX, még nem terjedtek el széles körben.

A jelentés szorgalmazza:
- az akadálymentességi szókincsek nemzetközi szabványosítását
- a metaadatok bevezetéséhez szükséges egyértelműbb iránymutatásokat (RDA/MARC-leképezések, Linked Data-szókincsek)
- a kiadókkal való szorosabb együttműködést az akadálymentességi metaadatok forráskódba való beágyazása érdekében
- a kötelespéldány-rendszerek modernizálását (pl. sok országban még mindig kizárólag a nyomtatott dokumentumokra fókuszálnak a kötelespéldány-rendeletek stb.)
- a praktikus átmeneti intézkedéseket a jelenlegi működési hiányosságok áthidalására. (Ref. Copilot; DeepL; Szabó Eszter)